原始文章

服務的定義已從2000年前的製造業轉變為以客戶為中心,這一變化受到服務業增長的驅動。數位轉型對服務公司變得至關重要,尤其在第四次工業革命和COVID-19影響下。本研究分析了2000至2022年間的3,029項國際專利,並透過主題建模識別出客戶服務的10個關鍵主題。結果顯示,以使用者為中心的網路服務設計是主要趨勢,而雲端運算在近五年顯著增長,成為2023年客戶服務數位轉型的關鍵技術。 PubMed DOI


站上相關主題文章列表

這項研究探討醫療保健研究人員如何利用深度學習技術來看待 ChatGPT。通過使用 BERT 模型進行情感分析和主題建模來分析社交媒體帖子,研究旨在了解研究人員對 ChatGPT 的情緒。 PubMed DOI

AI的發展改變了各行業,包括醫療保健。ChatGPT是一個強大的語言模型,應用在醫療領域,幫助創造能提供醫學資訊的對話機器人。研究比較了ChatGPT、GPT 4和Google Bard等大型語言模型的趨勢,強調了AI在生物醫學工程中的重要性。研究呼籲醫療專業人員和政策制定者認識並善用AI在醫療保健領域的潛力,特別是在生物醫學研究上。 PubMed DOI

這平台運用先進人工智慧技術,分析社群媒體文字資料,找出相關話題。透過 BERTopic 分群貼文,辨識相關句子,提升分析效果。以大學生心理健康為例,顯示在辨識抑鬱等議題上的實用性。為研究人員提供工具,分析龐大非結構化資料,找出相關部分,具潛力應用於心理健康研究。 PubMed DOI

LLMs(例如GPT和BERT)在醫療保健領域有應用潛力,但也帶來偏見、隱私擔憂和道德困境。研究指出,使用變壓器模型可提高效率,但也帶來挑戰,如偏見、可審計性和隱私風險。醫療專業人員需要具備專業知識,面對道德困境,並可能影響患者護理中的人際互動。必須進行全面培訓以因應系統操作和數據解釋的需求。 PubMed DOI

這篇論文介紹了利用大型語言模型自動分類眼科科學文章的方法,分析眼部疾病相關文本,評估不同LLMs的效能,像是BART和BERT變體。這個模型能高準確度自動分類文章,提升效率,有助於眼科領域知識整理與查詢。趨勢分析方便論文歸類與查詢,節省文獻回顧時間,辨識新興科學趨勢。該模型可擴展至其他科學領域,對跨學科研究與趨勢分析有影響。 PubMed DOI

研究比較了不同情感分析技術,結果顯示BERT在第一階段最佳,GPT-3在第二階段處理COP9會議推文表現優異。強調預訓練模型如BERT和GPT-3在情感分析中的有效性,尤其在數據有限情況下。 PubMed DOI

研究探討2020年6月1日至2023年12月31日期間,針對大型語言模型(LLMs)的主題建模方法。使用Web of Science和LexisNexis數據,聚焦於"Large language model"、"LLM"和"ChatGPT"等LLMs。評估LDA、NMF、CTM和BERTopic等方法,發現BERTopic表現最佳。新聞報導著重LLM應用,學術論文則更專業。研究提供LLMs未來挑戰見解,對LLM服務業者有幫助。 PubMed DOI

氣候變遷是全球重要議題,了解民眾想法對政策制定至關重要。透過NLP和資料視覺化分析社群媒體和部落格內容,使用BERTopic和LDA等技術找出主題,並根據句子相似度分組評論。比較了不同關鍵詞提取方法,發現基於OpenAI的BERTopic效果最好。研究提供了民眾對氣候變遷態度的見解,有助於政策制定和因應氣候變遷。 PubMed DOI

這篇論文介紹了一個針對無人零售商店的綜合軟體服務框架,重點在於提升顧客服務,透過了解顧客需求和引導他們找到產品。我們運用視覺識別技術識別商品,並利用大型語言模型(LLMs)分析顧客偏好,提供量身訂做的推薦。 我們探討了基於深度神經網路的影像識別模型,並提出利用有限訓練數據微調LLMs的方法,提升參數更新效率。此外,智能推薦系統能自動分析顧客偏好,完善顧客到貨架的體驗。實驗結果顯示,我們的方法在有限數據集上表現優於現有技術,為顧客創造無縫的購物體驗。 PubMed DOI

這項研究強調在醫療照護中評估健康社會決定因素(SDoH)的重要性,以改善病患照護並縮小健康差距。研究探討了電子健康紀錄(EHRs)中SDoH數據不足的挑戰,主要因為缺乏標準化的診斷代碼。研究團隊使用大型語言模型(如BERT和RoBERTa)來分類無家可歸、食物不安全和家庭暴力等SDoH概念,並創建合成訓練數據集。結果顯示,這些模型能有效提取SDoH資訊,幫助醫療提供者識別高風險病患,進而實施針對性干預,支持減少健康差距的努力。 PubMed DOI